<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-06-03T00:39:21Z</responseDate><request verb="GetRecord" identifier="oai:riuma.uma.es:10630/11541" metadataPrefix="rdf">https://riuma.uma.es/rest/oai/request</request><GetRecord><record><header><identifier>oai:riuma.uma.es:10630/11541</identifier><datestamp>2026-02-03T10:23:21Z</datestamp><setSpec>com_10630_1685</setSpec><setSpec>col_10630_38055</setSpec></header><metadata><rdf:RDF xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:doc="http://www.lyncode.com/xoai" xmlns:ds="http://dspace.org/ds/elements/1.1/" xmlns:ow="http://www.ontoweb.org/ontology/1#" xmlns:rdf="http://www.openarchives.org/OAI/2.0/rdf/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/rdf/ http://www.openarchives.org/OAI/2.0/rdf.xsd">
   <ow:Publication rdf:about="oai:riuma.uma.es:10630/11541">
      <dc:title>Implementación eficiente de redes neuronales autoorganizadas en CUDA C/C++.</dc:title>
      <dc:creator>Gill, Shelley</dc:creator>
      <dc:contributor>Domínguez-Merino, Enrique</dc:contributor>
      <dc:subject>Grado en Ingeniería Informática - Trabajos Fin de Grado</dc:subject>
      <dc:subject>Redes neuronales artificiales - Arquitecturas</dc:subject>
      <dc:subject>Informática - Trabajos Fin de Grado</dc:subject>
      <dc:description>En este documento se expondrá una implementación del problema&#xd;
del viajante de comercio usando una implementación personalizada de un&#xd;
mapa auto-organizado basándose en soluciones anteriores y adaptándolas a la&#xd;
arquitectura CUDA, haciendo a la vez una comparativa de la implementación&#xd;
eficiente en CUDA C/C++ con la implementación de las funciones de GPU&#xd;
incluidas en el Parallel Computing Toolbox de Matlab.&#xd;
La solución que se da reduce en casi un cuarto las iteraciones necesarias para&#xd;
llegar a una solución buena del problema mencionado, además de la mejora&#xd;
inminente del uso de las arquitecturas paralelas. En esta solución se estudia la&#xd;
mejora en tiempo que se consigue con el uso específico de la memoria&#xd;
compartida, siendo esta una de las herramientas más potentes para mejorar el&#xd;
rendimiento.&#xd;
En lo referente a los tiempos de ejecución, se llega a concluir que la mejor&#xd;
solución es el lanzamiento de un kernel de CUDA desde Matlab a través de la&#xd;
funcionalidad incluida en el Parallel Computing Toolbox.</dc:description>
      <dc:date>2016-06-01T09:42:22Z</dc:date>
      <dc:date>2016-06-01T09:42:22Z</dc:date>
      <dc:date>2015-12</dc:date>
      <dc:date>2016-06-01</dc:date>
      <dc:type>bachelor thesis</dc:type>
      <dc:identifier>http://hdl.handle.net/10630/11541</dc:identifier>
      <dc:language>spa</dc:language>
      <dc:rights>open access</dc:rights>
      <dc:rights>by-nc-nd</dc:rights>
   </ow:Publication>
</rdf:RDF>
</metadata></record></GetRecord></OAI-PMH>